# ゼロショット適応

InstructCIRは命令認識型対照学習に基づく組み合わせ式画像検索モデルで、ViT-L-224とPhi-3.5-Miniアーキテクチャを採用し、画像テキストからテキスト生成タスクに特化しています。

LinFusionは拡散モデルベースのテキストから画像生成モデルで、入力されたテキスト記述に基づき高品質な画像を生成できます。

このモデルはmicrosoft/Florence-2-largeのファインチューニング版で、Ejafa/ye-popデータセットの4万枚の画像サブセットで訓練され、アノテーションテキストはTHUDM/cogvlm2-llama3-chat-19Bによって生成され、画像からテキストへのタスクに適しています。

これはmergekitツールを使用してマージされた8Bパラメータ規模の言語モデルで、Sao10K/L3-8B-Stheno-v3.2をベースモデルとして、Jamet-8B-L3とLlama-3-Lumimaid-8Bの特性を融合させています

GLiNERは固有表現認識（NER）モデルで、あらゆるエンティティタイプを認識でき、従来のNERモデルに代わる実用的なソリューションを提供します。

AllenNLPライブラリに基づくテキストからビデオを生成するモデルで、入力されたテキスト記述に応じて対応するビデオコンテンツを生成できます。

SlimSAMは革新的なSAMモデル圧縮手法で、統一プルーニング-蒸留フレームワークにより事前学習済みSAMを効率的に再利用でき、大量の再訓練を必要としません。

Whisperは事前学習済みの自動音声認識（ASR）および音声翻訳モデルで、68万時間の注釈付きデータでトレーニングされ、強力な汎化能力を示しています。このリポジトリには、ONNX形式のWhisper large v2モデルのINT4重みのみ量子化バージョンが含まれています。

このモデルはテキスト記述を動画コンテンツに変換でき、様々なクリエイティブや自動化シナリオに適用可能です。

これはテキストからビデオを生成するモデルで、入力されたテキストの説明を対応するビデオコンテンツに変換できます。

これはAutoTrainでトレーニングされた二項分類画像分類モデルで、完璧な検証指標のパフォーマンスを発揮します。

これはAutoTrainでトレーニングされた天体写真オブジェクト分類モデルで、天体写真中の様々な天体オブジェクトを正確に識別できます。

これはAutoTrainでトレーニングされた二項分類モデルで、動物と人間の画像を区別するために特別に設計されています。

これはAutoTrainでトレーニングされた二値分類視覚モデルで、画像分類タスク専用です。

AutoTrainでトレーニングされた二項分類モデルで、猫と犬の画像を区別するために特別に設計されています

環境の清潔度を分類するための視覚モデルで、画像中の汚れや乱雑さ、清潔なシーンを識別可能

これはAutoTrainでトレーニングされた二値分類視覚モデルで、2種類の画像を正確に区別できます。

これはAutoTrainでトレーニングされた二値分類モデルで、画像分類タスク専用です。

INSTRUCTOR-Largeは汎用埋め込みモデルで、任意のテキスト断片を固定長のベクトルにマッピングでき、命令制御によりドメイン特異性とタスク認識性を実現します。

これは汎用埋め込みモデルで、命令誘導によりドメイン固有かつタスク認識の埋め込みベクトルを生成でき、様々なテキスト処理タスクに適用可能です。

これはAutoTrainを使用してトレーニングされた二項分類モデルで、猫と犬の画像を区別するために特別に設計されています。

AutoTrainでトレーニングされた二項分類モデルで、猫と犬の画像を正確に区別できます

MVPマルチタスクモデルはプロンプトベースの事前学習モデルで、混合アノテーションデータセットによる最適化を経ており、様々な自然言語生成タスク向けに設計されています。

これは汎用の音声モデルで、音声認識と音声処理タスクをサポートします。

OpenAIが開発した効率的な汎用大規模言語モデル、様々な自然言語処理タスクに適応